『Kaggle Grandmasterに学ぶ機械学習実践アプローチ』サポートサイト

このページは『Kaggle Grandmasterに学ぶ機械学習実践アプローチ』(ISBN978-4-8399-7498-5)のサポートページです。

　更新日：2022年5月12日
　2刷発行日：2021年9月17日
　公開日：2021年7月5日
　発行：マイナビ出版

商品紹介ページへ戻る

サポート提供

補足）

18ページ：コード
　scikit-learnで0.24以上のバージョンをご利用の場合、pixel_valuesの型がpandas.DataFrameになり、コードの修正が必要になります[1]。
　0.24からpandas.DataFrameをデフォルトで返す設定に変更されたためです[2]。本書では0.23.1を利用しています[3]。
　引数にas_frame=Falseを追加すると0.24でも動作することを確認しています[4]。

正誤情報

　本書の正誤について見つかり次第掲載します。（2021/10/19 更新）

25ページ：2枠目のコード、最初のimport文の改行忘れ: 誤）from sklearn import tree from sklearn import metrics; 正）from sklearn import tree
from sklearn import metrics

53ページ：2行目: 誤）閾値が高いと偽陽性が多くなってしまう; 正）閾値が高いと偽陰性が多くなってしまう

53ページ：3行目: 誤）閾値値が、真陽性と; 正）閾値が、真陽性と

54ページ：図3.5の表のヘッダー: 誤）threshold tp fr; 正）threshold tp fp

168ページ：1枠目のコード、1行目に改行が必要: 誤）importances = model.feature_importances_idxs = np.argsort(importances); 正）importances = model.feature_importances_
idxs = np.argsort(importances)

185ページ：関数optimize コード中コメント（引数の解説文、上より10行目）: 誤）:param params: gp_minimize 用のパラメータ; 正）:param params: hyperopt用のパラメータの辞書

185ページ：関数optimize コード中コメント（引数の解説文、上より11行目）: 誤）:param param_names: パラメータ名。順序は重要。; 正）※この引数はないので削除

277ページ：関数max_voting コード中コメント（引数の解説文、上より8行目）: 誤）:param probas: 予測値の2次元配列; 正）:param preds: 予測値の2次元配列

--- 以下1刷の正誤

26ページ：コードのインデントが1段下がっていない箇所がある: 正）「# 学習用と検証用データセットに対する予測」から「test_accuracies.append(test_accuracy)」まで1段下げる
26ページPDF

41-42ページ：コード記述の欠け

正）

def true_negative(y_true, y_pred):
    tn = 0
    for yt, yp in zip(y_true, y_pred):
        if yt == 0 and yp == 0:
            tn += 1
    return tn  # ←この行を追加

103ページ：コード記述の欠け

正）

full_size = (  # ←この行を追加
    ohe_example.data.nbytes +
    ohe_example.indptr.nbytes + ohe_example.indices.nbytes
)

192-193ページ：コード記述の欠け

正）

for index, row in tqdm(
    training_df.iterrows(), # ←この行を追加
    total=len(training_df),
    desc="processing images"
):

　以上

『Kaggle Grandmasterに学ぶ 機械学習 実践アプローチ』サポートサイト

関連サイト

サポート提供

正誤情報

--- 以下1刷の正誤

『Kaggle Grandmasterに学ぶ機械学習実践アプローチ』サポートサイト